淺談圖像識別技術(shù)的原理及應(yīng)用

曹成志

摘 ?要：隨著人工智能的飛速發(fā)展，一系列新興技術(shù)不斷興起，而圖像識別技術(shù)作為其中最有潛力的方向之一，在醫(yī)療、交通、農(nóng)業(yè)等領(lǐng)域都有十分廣泛的應(yīng)用。本文闡述了圖像識別的基本概念和技術(shù)原理，并結(jié)合深度學(xué)習(xí)具體實(shí)例，對圖像識別技術(shù)的應(yīng)用進(jìn)行初步研究，最后指出該技術(shù)存在的問題并對發(fā)展前景進(jìn)行展望。

關(guān)鍵詞：人工智能;圖像識別;深度學(xué)習(xí)

引言：

圖像，是人類歷史中最為重要的信息源之一，它通過觀測系統(tǒng)從客觀世界中獲得，可以直觀地表達(dá)事物的特征。近年來，隨著大數(shù)據(jù)時代的到來和計(jì)算機(jī)技術(shù)的蓬勃發(fā)展，圖像的數(shù)據(jù)量呈現(xiàn)指數(shù)型增長，圖像識別技術(shù)的應(yīng)用也越來越廣泛，并在衛(wèi)生醫(yī)療、科學(xué)研究、故障診斷、交通運(yùn)輸?shù)阮I(lǐng)域取得了一定的成績，并改變著人們的日常生活。本文簡要介紹了圖像識別技術(shù)的含義、原理和應(yīng)用領(lǐng)域，并分析該技術(shù)的問題和發(fā)展前景。

一、圖像識別技術(shù)概述

1.圖像識別的含義及發(fā)展

圖像識別，是模式識別技術(shù)在圖像領(lǐng)域的具體應(yīng)用，是對輸入的圖像信息建立數(shù)學(xué)模型，對圖像進(jìn)行預(yù)處理操作，分析并提取圖像特征，然后根據(jù)特征建立合適的分類器，進(jìn)行分類識別的技術(shù)[1]。其主要目的是對圖像等可視化信息進(jìn)行處理和識別，來解決計(jì)算機(jī)與外部環(huán)境的直接通信過程。

圖像識別起源于20世紀(jì)40年代，在當(dāng)時由于計(jì)算能力的限制和硬件設(shè)施的缺失，并沒有得到很好的發(fā)展。主要經(jīng)歷了三個階段：文字識別、數(shù)字圖像處理與識別、物體識別。直到20世紀(jì)90年代，伴隨著人工神經(jīng)網(wǎng)路的興起和計(jì)算機(jī)技術(shù)的發(fā)展，圖像識別技術(shù)得到廣泛應(yīng)用，并涌現(xiàn)出很多不同的算法，涉及邊緣檢測、區(qū)域提取、閾值分割等多個部分。

2.圖像識別原理

圖像中包含了豐富的數(shù)字信息，識別過程主要包括圖像預(yù)處理、特征提取和圖像分類三個部分。

1）圖像預(yù)處理

對圖像預(yù)處理的目的是減少后續(xù)過程中的復(fù)雜度并提高識別效率。通過各種降低噪聲的手段，將圖像中蘊(yùn)含的數(shù)字信息進(jìn)行適當(dāng)簡化，便于對特征進(jìn)行提取[2]。在該過程中，圖像分割的質(zhì)量對最終結(jié)果具有較大影響。如何高效地將特征目標(biāo)從源圖像中分割出來，是解決問題的關(guān)鍵。由此衍生出了一系列圖像分割法，例如基于方向圖的分割法、三級分割法等等。每一種分割法都有優(yōu)點(diǎn)和不足，在進(jìn)行處理時，往往需要將多種方法結(jié)合起來并進(jìn)行適當(dāng)修改，才能獲得最優(yōu)的分割效果。

2）特征提取

特征提取是將圖像上的特征點(diǎn)劃分為不同特征子集的過程，這些子集往往是點(diǎn)集、曲線集或連通的的區(qū)域集[3]。一般來說，提取的圖像特征主要包括顏色、形狀、紋理和空間四種。顏色特征能夠很好地描述不同顏色在整個圖像的所占比例，適合用于難以自動分割的圖像，但是無法對空間位置進(jìn)行描述;形狀特征需要對圖像的某個特定目標(biāo)進(jìn)行研究，但是如果圖像上的目標(biāo)發(fā)生變形，準(zhǔn)確度就會大大下降;紋理特征具有全局性質(zhì)，對區(qū)域性的特征描述具有較好的 穩(wěn)定性，但是當(dāng)分辨率變化明顯時，得到的特征偏差也會隨之增加[4];空間特征對靜止圖像的描述效果很好，可是一旦圖像進(jìn)行縮放、旋轉(zhuǎn)等操作，特征變化會非常明顯。

3）圖像分類

圖像分類，主要是從一張或者多張圖像總識別出與模板圖像相似的區(qū)域，用來預(yù)測出對應(yīng)的類別。在實(shí)際應(yīng)用中，由于拍攝環(huán)境等因素的影響，圖像的質(zhì)量會受到各種因素的干擾，導(dǎo)致失真和扭曲等。如何提高匹配率，加強(qiáng)抗干擾能力并提高匹配速度，成為圖像匹配的主要研究方向。由此出現(xiàn)了很多基于圖像特征的匹配方法，例如幾何圖元法、傅氏形狀描述法等。近年來，深度學(xué)習(xí)的興起，為圖像匹配提供更多思路和方案。

二.圖像識別技術(shù)的應(yīng)用

目前，識別技術(shù)已經(jīng)廣泛應(yīng)用于醫(yī)療、交通、農(nóng)業(yè)等領(lǐng)域，為人們的日常生活帶來極大便利。

1.醫(yī)學(xué)圖像識別

醫(yī)學(xué)圖像種類眾多，清晰度容易受到成像環(huán)境的干擾，這些問題在一定程度上會影響醫(yī)生對病情的判斷結(jié)果。而借助圖像識別技術(shù)對患病部位進(jìn)行檢測和診斷可以顯著提高工作效率，診斷準(zhǔn)確率有時甚至可以超過人工診斷準(zhǔn)確率?，F(xiàn)階段，該技術(shù)的應(yīng)用主要集中在眼部、胸部、腦部等，可以用于診斷肺癌、乳腺癌、阿爾本次海默癥等，在這些方面取得了一定的研究成果[5]。但是目前為止，由于不具備大量相關(guān)的數(shù)據(jù)集，圖像識別技術(shù)對很多病變部位還無法做出判斷。

2.交通識別

在公共交通領(lǐng)域，圖像識別技術(shù)主要應(yīng)用于交通標(biāo)志識別、車牌識別等，在自動駕駛、智能停車、交通控制等領(lǐng)域發(fā)揮著舉足輕重的作用。近年來，一些學(xué)者將卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法運(yùn)用到交通標(biāo)志識別，可以有效提高識別的準(zhǔn)確度，并提升訓(xùn)練速度。另外，圖像識別技術(shù)還可以用來檢測路況和行人等物體，為無人駕駛汽車的興起具有顯著推動作用。

3.農(nóng)業(yè)病蟲害識別

農(nóng)業(yè)是我國最重要的基礎(chǔ)產(chǎn)業(yè)之一，在現(xiàn)代經(jīng)濟(jì)體系中具有十分重要的地位，農(nóng)作物的產(chǎn)量和質(zhì)量直接影響人民的生活水平。而農(nóng)業(yè)病蟲害的爆發(fā)往往會造成農(nóng)作物大幅度減產(chǎn)，對國民經(jīng)濟(jì)造成不可逆轉(zhuǎn)的損失，因此對病蟲害的防治工作就顯得十分必要。如何對蟲害進(jìn)行準(zhǔn)確有快速的識別和處理，是保證農(nóng)作物正常生長的有效措施。而依靠人工識別方法比較浪費(fèi)人力物力，而且出錯率較高，工作繁瑣，越來越不能滿足農(nóng)業(yè)生產(chǎn)的需求。圖像識別技術(shù)具有準(zhǔn)確、實(shí)時和快速的特點(diǎn)，可以很好地輔助農(nóng)民檢測和發(fā)現(xiàn)病蟲害，大大提高工作效率。目前為止，已經(jīng)實(shí)現(xiàn)了對玉米螟、棉鈴蟲等農(nóng)業(yè)害蟲的圖像識別與檢測，準(zhǔn)確率較高，同時也降低了農(nóng)業(yè)生產(chǎn)的成本。

三.問題與展望

現(xiàn)階段，圖像識別技術(shù)已經(jīng)具備了一定的應(yīng)用價值，但在該技術(shù)上的理論研究還不夠完善，依然存在一些問題丞待解決。

1.圖像分割算法的性能評估沒有特定的標(biāo)準(zhǔn)，這就為方法的選擇和使用造成一定困難。

2.識別效果主要依賴于大樣本數(shù)據(jù)集，因此會為數(shù)據(jù)采集工作提出更高的要求。

3.訓(xùn)練模型越復(fù)雜，計(jì)算量越大，訓(xùn)練時間也會越長。

由此可見，如何在保證準(zhǔn)確率的同時，減少模型的計(jì)算量并提高計(jì)算效率，是圖像識別技術(shù)研究的關(guān)鍵之一。為了進(jìn)一步改善該技術(shù)，我們應(yīng)注重算法的原理，不斷優(yōu)化模型結(jié)構(gòu)，減少訓(xùn)練參數(shù)，提高準(zhǔn)確率。

四.結(jié)束語

圖像識別技術(shù)的出現(xiàn)，為人民的生產(chǎn)和生活帶來極大便利，并推動醫(yī)療、交通、農(nóng)業(yè)等領(lǐng)域的建設(shè)，但依然還有很大的開發(fā)空間，需要更多學(xué)者和研究人員的投入。在將來，還會出現(xiàn)更成熟、更方便、更快捷的識別技術(shù)，不斷促進(jìn)人民生活水平的提高。

參考文獻(xiàn)

[1] ?豐曉霞. 基于深度學(xué)習(xí)的圖像識別算法研究[D].太原理工大學(xué)，2015.

[2] ?陳勇濤，郭曉穎，陶慧杰.基于深度學(xué)習(xí)的圖像識別模型研究綜述[J].電子世界，2018（04）：65-66.

[3] ?王志瑞，閆彩良.圖像特征提取方法的綜述[J].吉首大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，32（05）：43-47.

[4] ?楊德坤. 圖像紋理特征的研究[D].山東師范大學(xué)，2012.

[5] ?田凈雯，張雄，胡珺，朱福.圖像識別在醫(yī)療領(lǐng)域中的應(yīng)用[J].上海醫(yī)藥，2019，40（03）：12-13+54.